買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉杭州電子科技大學申請的專利基于多變量Hawkes時空點過程嵌入注意力的興趣點推薦方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116991908B 。

龍圖騰網通過國家知識產權局官網在2025-09-09發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311034684.2，技術領域涉及：G06F16/2457；該發明授權基于多變量Hawkes時空點過程嵌入注意力的興趣點推薦方法是由李尤慧子;韋余欣;張新;殷昱煜設計研發完成，并于2023-08-16向國家知識產權局提交的專利申請。

本基于多變量Hawkes時空點過程嵌入注意力的興趣點推薦方法在說明書摘要公布了：本發明公開了一種基于多變量Hawkes時空點過程嵌入注意力的興趣點推薦方法，包括：用戶?興趣點交互序列模塊、表示學習嵌入層、多變量Hawkes時空點過程序列建模、用戶偏好捕獲和推薦的注意機制。本發明首先處理用戶與興趣點交互數據，得到用戶?興趣點交互序列；將交互序列和用戶信息輸入表示學習嵌入層，構建時序及用戶特征表示；進一步，通過注意力機制融合用戶交互序列特征表示得到用戶長短期偏好特征；最后通過多變量Hawkes時空點過程模型結合用戶長短期偏好特征進行用戶興趣點推薦；通過計算損失函數優化參數，使得模型能夠動態自適應融合目標用戶長期靜態偏好以及短期動態偏好，執行順序推薦以滿足目標用戶實時需求。

本發明授權基于多變量Hawkes時空點過程嵌入注意力的興趣點推薦方法在權利要求書中公布了：1.一種基于多變量Hawkes時空點過程嵌入注意力的興趣點推薦方法，其特征在于， S1、從原始數據中抽取有效數據，構建用戶-興趣點交互數據； S2、根據用戶-興趣點交互數據，通過元素級乘法操作構建用戶訪問興趣點事件發生概率的基礎強度；并通過逐元素相乘構建用戶行為序列中的歷史序列對當前興趣點的初始激發程度向量； S3、計算用戶對歷史行為的注意力權重 S3-1、將用戶u歷史訪問興趣點h的特征表示矩陣vu，h輸入線性層vu,hWh+bh，其中為可訓練模型參數,再經過非線性激活函數relu,獲得歷史訪問序列隱特征表示矩陣公式為： Hvecu,h＝reluvu，hWh+bh； S3-2、將用戶u的特征表示向量vu與歷史訪問序列隱特征表示矩陣Hvecu,h相乘經過Softmax函數獲得用戶u對不同歷史興趣點注意力向量公式為： attu，h＝SoftmaxxHvecu，hvu； S4、通過基于注意力自適應方法來利用和融合用戶偏好，進而確定用戶長短期偏好動靜態權重、長期偏好靜態權重和短期偏好動態權重； S5、構建關于用戶的指數核函數，其計算過去事件發生對當前事件發生的歷史影響隨時間及空間的指數衰減Kut-th,s-sh，其中，Kt-th，s-sh是用戶u關于|t-th|和|s-sh|的指數核函數，其計算歷史影響隨時間的指數衰減；|t-th|是當前時刻t與歷史時刻th之間時間差；|s-sh|是當前時刻t訪問的位置s與歷史訪問位置sh之間距離差； S6、采用多變量Hawkes時空點過程對用戶行為序列建模，所構建模型表達式如下： 根據歷史序列預測和推薦下一個興趣點，將結果帶入模型中， 其中是在時刻t時，用戶u更偏好s位置處興趣點i的概率；μu，i是用戶u訪問興趣點i事件發生概率的基礎強度；是用戶u的長期偏好靜態權重；是用戶u的短期偏好動態權重；attu，h是用戶u對不同歷史興趣點注意力向量；αu，h，i是用戶u行為序列中的歷史序列h對當前興趣點i的初始激發程度向量；Su，t是t時刻用戶u的歷史訪問序列； S7、計算用戶u在時刻t對興趣點i′感興趣的概率，對于每個興趣點i′∈I，條件分布pi′|us，t在整個興趣點集合I上，公式為： S8、對用戶u在時刻t采樣負樣本，負樣本為興趣點特征表示，用負樣本興趣點k′特征表示替換上述i′特征表示為 S9、計算損失，并對Hawkes時空點過程參數進行優化。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州電子科技大學，其通訊地址為：310018 浙江省杭州市錢塘區白楊街道2號大街1158號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。